桥接图像填充与大范围可见水印去除之间的知识鸿沟

可见水印去除涉及水印清洗和背景内容恢复，是评估水印韧性的关键环节。现有基于深度神经网络（DNN）的模型在处理大范围水印时仍存在困难，且对水印掩码预测质量过度依赖。为克服这些挑战，本文引入一种新型特征适应框架，利用预训练图像填充模型的表示建模能力。我们的做法通过融合水印下残余背景内容的信息，搭建从而连接图像填充与水印去除之间的知识鸿沟。我们构建双支路系统以捕获并嵌入残余背景内容特征，通过门控特征融合模块将其融合到图像填充主干模型的中间特征中。此外，为减轻对高质量水印掩码的依赖，本文提出一种新型训练范式，利用粗糙水印掩码引导推理过程。该方法构建了一个对水印掩码质量不敏感的可见图像去除模型。在大规模合成数据集和真实世界数据集上的大量实验表明，我们的方法显著优于现有最先进的方法。源代码已包含在补充材料中。